[发明专利]基于经验小波变换与局部能量的输电线路短路故障诊断方法

摘要

本发明涉及一种基于经验小波变换与局部能量的输电线路短路故障诊断方法，其特点是，包括：短路故障电压信号采集、利用经验小波变换方法处理短路故障电压信号获取经验模态、基于经验小波变换的短路故障检测和基于分块局部能量的短路故障分类特征提取，具有科学合理，时‑频分辨率高、抗噪性好，自适应性强，应用效果佳等优点。

主权项

一种基于经验小波变换与局部能量的输电线路短路故障诊断方法，其特征是，它包括：使用经验小波变换分析短路故障信号，以高频经验模态极大值确定扰动起始时间，以基频经验模态故障发生后一周期内局部能量特征识别故障类型，首先，采用经验小波变换处理原始短路故障电压信号，将信号分解为若干具有紧支撑傅立叶频谱的经验模态；再根据高频分量模极大值点检测故障发生时刻，并分别针对故障发生后1周期内三相电压信号基频经验模态分量构建时‑频向量，并分块求取局部能量构建特征向量；最后，以局部能量特征向量为支持向量机的输入，构建基于支持向量机的短路故障分类器，开展故障诊断，具体步骤为，1)短路故障电压信号采集利用变电站中的电压互感器，根据二次设备动作，记录短路故障电压信号；2)利用经验小波变换方法处理短路故障电压信号获取经验模态经验小波变换方法在构建自适应正交小波滤波器组的基础上，计算近似系数与细节系数，得到更为精确的短路故障信号经验模态分量，更加适用于短路故障信号分析，经验小波变换的经验模态数可人为指定或自适应确定，在此采用指定经验模态数目的自适应频域分割方法，其分割频谱的初始边界采用包含2个数值的默认参数，故得到3个经验模态分量，对离散的原始短路故障信号f的频域进行分割，从而将离散的原始短路故障信号f分解为M+1个分量fk(n)，以分析不同频域分布的短路故障信号成分，f(n)=Σk=0Mfk(n)---(1)]]>信号采样频率为100kHz，n为离散采样点，fk(n)为分解后的第k个分量，分解得到的M+1个分量中包含M个经验模态分量和1个残余分量，n为采样点数，n＝4000；首先，通过快速傅里叶变换，得到离散的原始短路故障信号f的频谱f(ω)，ω为频率，其傅里叶支撑为[0,50]kHz，得到分割边界Ω0，Ω1，Ω2，Ω3，其中，Ω0＝0kHz,Ω3＝50kHz，用Λi＝[Ωi‑1,Ωi]，i＝1，2，3来表示每个经验模态分量所处的频域区间，Λ1＝[Ω0,Ω1],Λ2＝[Ω1,Ω2],Λ3＝[Ω2,Ω3]；其次，基于以上分割边界，定义1个低通滤波器和2个带通滤波器，尺度函数和经验小波函数的傅里叶变换表达式与分别为式(2)、式(3)，φ^i(ω)=1,|ω|≤(1-γ)Ωicos[π2β(12γΩi(|ω|-(1-γ)Ωi))],(1-γ)Ωi≤|ω|≤(1-γ)Ωi0,otherwise---(2)]]>ψ^i(ω)=1,(1+γ)Ωi≤|ω|≤(1-γ)Ωi+1cos[π2β(12γΩi+1(|ω|-(1-γ)Ωi+1))],(1-γ)Ωi+1≤|ω|≤(1+γ)Ωi+1sin[π2β(12γΩi(|ω|-(1-γ)Ωi))],(1-γ)Ωi≤|ω|≤(1+γ)Ωi0,otherwise---(3)]]>其中，γ为确保相邻区间没有重叠的参数，β(x)为满足式(4)特性的任意函数，β(x)=0,x≤0β(x)+β(x+1)=1,x∈[0,1]1,x≥1---(4)]]>然后，计算尺度函数φ1，根据式(2)，i＝1与离散的原始短路故障信号f的内积获得近似系数，如式(5)所示，计算小波函数与离散的原始短路故障信号f的内积获得细节系数如式(6)所示，式中，和为快速傅里叶变换及其逆变换，为求复共轭，最后，由下式获得经验模态fkf0(t)=Wfe(1,t)*φ1(t)---(7)]]>fk(t)=Wfe(i,t)*ψi(t),i=2,3---(8)]]>式中，*为卷积；3)基于经验小波变换的短路故障检测通过以互感器采样得到的A、B、C三相电压信号，由经验小波变换分解获得的高频分量经验模态分量模极大值点定位短路故障发生时间，具体方法为：如三相起始时间判定结果一致，则以该结果为故障起始时间；如检测结果中三相不一致，但其中两相一致，则以两相一致结果为故障开始时间，即AB故障时，A、C相检测结果相同且与真实值吻合，选取A、C相的检测值作为检测结果；如三相检测结果均不一致，则取最小检测时间为故障开始时间；4)基于分块局部能量的短路故障分类特征提取基于分块局部能量的短路故障分类特征提取其过程为在获得短路故障开始时间后，针对故障发生时刻后一周期内短路故障信号的基频分量开展特征提取，以构建分类器特征向量，为有效表现该时段内短路故障信号在时域上的变化特征，采用局部能量为特征，构建短路故障特征向量，即将该时段经验小波变换基频向量分解为等大小的时‑频块，计算各个时‑频块的局部能量，最终，由全部时‑频块的局部能量构成短路故障特征向量；短路故障信号经过经验小波变换分解得到基频经验模态分量，则故障发生时刻后1个周波的基频经验模态向量维度为1×2000，采样率为100000点/秒，构成时‑频向量E，将时‑频向量E沿时间轴划分为8个等大小的时‑频块S1,S2,…,S8，每个时‑频块为125个采样点，时‑频块S1,S2,…,S8的能量分别为Z1,Z2,…,Z8，第u个时‑频块的能量Zu计算公式为式(9)：Zu＝∑|Ev|2u＝1,…,8；v＝1,…,125       (9)式(9)中，Ev表示第v个采样点的幅值，A、B、C三相电压信号特征值均按照式(9)计算，并依次排列得到向量构成局部能量特征向量5)基于支持向量机的短路故障分类器设计以局部能量特征向量为分类器输入，识别10类短路故障，识别类型包括：单相接地故障中的A相接地为AG、B相接地为BG、C相接地为CG；相间故障中的AB相间故障为AB、BC相间故障为BC、CA相间故障为CA；两相接地故障中的AB相接地故障为ABG、BC相接地故障为BCG、CA相接地故障为CAG；三相短路故障为ABC，支持向量机参数采用交叉验证法确定。